-
公开(公告)号:CN108710364A
公开(公告)日:2018-10-26
申请号:CN201810309853.1
申请日:2018-04-09
Applicant: 济南大学
IPC: G05D1/02
CPC classification number: G05D1/0255 , G05D2201/0217
Abstract: 本发明涉及一种现代物流中自动导引避障机器人小车,包括机器人小车,在机器人小车上安装一组超声波检测装置,一组超声波检测装置包括多个超声波传感器,每个超声波传感器电连接一个模糊控制器,在机器人小车上安装有控制器,控制器通过无线收发模块分别与多个超声波传感器电连接,控制器分别与多个模糊控制器电连接;控制器通过双H桥驱动器分别与机器人小车车轮上的伺服电机电连接;编码器与上述各个伺服电机连接;正交脉冲解码器分别与编码器和控制器连接;电源监控复位安装在车顶部。能够缩短小车的行进距离进而缩短行进时间,设计的模糊控制器能够提高系统的稳定性,减小误差。使用了超声波传感器,获得的外部信息精度高,且易于实现。
-
公开(公告)号:CN105509739B
公开(公告)日:2018-04-06
申请号:CN201610078964.7
申请日:2016-02-04
Applicant: 济南大学
Abstract: 本发明公开了一种采用固定区间CRTS平滑的INS/UWB紧组合导航系统及方法,包括:惯性导航器件INS和UWB无线标签分别设置在行人的鞋子上,UWB无线参考节点和参考系统分别设置在设定位置,惯性导航器件INS、UWB无线标签和参考系统分别与数据处理系统连接;数据处理系统包括:局部数据融合滤波器、容积卡尔曼滤波器、伪距数据处理模块、RTS平滑模块和均值滤波模块;本发明有益效果:有效的降低的传统紧组合导航模型中忽略泰勒展开式的高次项可能引入截断误差的可能性。
-
公开(公告)号:CN104374389A
公开(公告)日:2015-02-25
申请号:CN201410757035.X
申请日:2014-12-10
Applicant: 济南大学
IPC: G01C21/16
CPC classification number: G01C21/165
Abstract: 本发明公开了一种面向室内移动机器人的IMU/WSN组合导航方法,包括:构建相对坐标系;得到当前时刻该无线通信通道的未知节点与参考节点之间的距离平方和距离平方变化率的最优估计;得到当前时刻IMU解算得到的未知节点与参考节点之间的距离平方和距离平方变化率的最优估计;构建主滤波器;最终得到当前时刻的未知节点的位置、速度和姿态的最优估计。本发明有益效:在WSN和低成本IMU中都采用了局部滤波器,有效的提高了传感器所采集数据的精度,有助于后续主滤波器进行数据融合过程中精度的提升。主滤波器与传统移动机器人定位领域的位置、速度和加速度误差相比,对系统的运行状态描述更加精确,有助于提高数据融合的精度。
-
公开(公告)号:CN119048880A
公开(公告)日:2024-11-29
申请号:CN202411138420.6
申请日:2024-08-19
Applicant: 济南声远检测技术有限公司 , 济南大学
IPC: G06V10/82 , G06V10/80 , G06V10/764 , G06N3/0455 , G06N3/0464 , G06N3/08 , G06V10/26
Abstract: 本公开涉及隧道安全以及缺陷识别技术领域,提出了一种隧道螺栓锈蚀区域识别方法及系统,首先,构建采用编码器‑解码器结构的隧道螺栓锈蚀检测模型,改进后的隧道螺栓锈蚀检测模型的编码器骨干网络包括最大池化层,以及多个依次交替连接的密集连接模块与Transition连接块;Transition连接块连接两个相邻的密集连接模块,用于控制特征图的大小和通道数;在解码器中进行上采样,并基于注意力机制动态调整空间通道特征图权重,将基于权重的特征图与编码器对应层输出的深度特征进行特征融合,得到螺栓锈蚀区域分割图。构建的隧道螺栓锈蚀检测模型,能够实现螺栓锈蚀部位的像素级分割,并能够达到较好的预测结果。
-
公开(公告)号:CN118115476A
公开(公告)日:2024-05-31
申请号:CN202410321522.5
申请日:2024-03-20
Applicant: 合肥超科电子有限公司 , 济南大学
IPC: G06T7/00 , G06V10/25 , G06V10/774 , G06V10/764 , G06V10/766 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明提供基于改进YOLOv5s算法的铁路轨道缺陷检测方法及系统,方法包括:S1获取铁路轨道图像数据;S2构建铁路轨道数据集,划分训练集和验证集;S3构建YOLOv5s网络模型;S4在目标检测器的Neck中插入ODConv;S5在YOLOv5s中的输出端(Head)里加入一个小目标检测层和解耦头,并将两者进行融合;S6相机实时传入铁路轨道图像,根据权重自动检测目标的种类、数量和位置等信息。本发明解决了检测精度低、计算成本高、数据处理效率低以及检测设备部署难度大的技术问题。
-
公开(公告)号:CN117804483A
公开(公告)日:2024-04-02
申请号:CN202311850635.6
申请日:2023-12-28
Applicant: 济南大学
IPC: G01C21/34
Abstract: 本发明属于机器人路径规划技术领域,尤其涉及一种基于改进人群搜索算法的多机器人路径规划方法及系统,方法包括:确定仓储栅格地图模型中路径的起始点和终点,基于机器人路径的起始点和终点之间所有节点的曼哈顿距离建立最优路径数学模型;采用改进人群搜索算法对仓储栅格地图模型中的路径进行寻优得到机器人最优路径;在路径寻优过程中,基于好评度引导与蒙特卡洛估计的多种群优化算法对种群进行优化,将优化后的种群作为改进人群搜索算法每次迭代的初始种群,将最优路径数学模型作为改进人群搜索算法的适应度函数计算个体的适应度。本发明引入多种群的优化方式,为改进SOA路径规划算法生成优质的初始种群,大大增加算法寻优效率。
-
公开(公告)号:CN115615433A
公开(公告)日:2023-01-17
申请号:CN202110784429.4
申请日:2021-07-12
Applicant: 中国人民解放军海军航空大学青岛校区 , 济南大学 , 山东蓓明医疗科技有限公司
IPC: G01C21/20
Abstract: 本发明公开了一种基于扩展Kalman和R‑T‑S平滑算法的混合定位方法及系统,包括:获取每个时刻机器人位置的预估,判断机器人在X方向和Y方向的位置变化情况;对于位置变化没有超过设定阈值的方向,利用R‑T‑S平滑算法对机器人在该方向的位置进行平滑,并对平滑过的位置取平均,得到机器人在该方向的最优位置预估。本发明分别判断机器人在X方向和Y方向的位置变化情况,对位置变化小于设定阈值的方向进行平滑,能够有效的提高局部方向处于静止状态下的导航预估的精度,进而提高整个导航的精度。
-
公开(公告)号:CN111693488B
公开(公告)日:2022-12-06
申请号:CN202010513459.7
申请日:2020-06-08
Applicant: 济南大学
IPC: G01N21/359 , G06K9/62 , G06N20/00
Abstract: 本发明公开了一种基于DS证据理论融合的水果等级分类方法及系统,包括:获取待测水果的原始近红外光谱并进行预处理;利用遗传算法筛选出最佳的特征波长;将所述特征波长分别输入到训练好的极限学习机预测模型和基于偏最小二乘法的预测模型,分别得到待测水果的可溶性固形物含量信息;分别基于所述可溶性固形物含量信息对水果等级进行分类;基于DS证据理论对两种分类结果进行融合,得到基于可溶性固形物含量的水果等级类别。本发明使用基于DS证据理论的苹果等级分类方法,融合极限学习机与偏最小二乘法的两种预测模型。DS融合后测试集分类等级准确率为94.697%,优于单一的模型分类方法。
-
公开(公告)号:CN110597067B
公开(公告)日:2022-04-08
申请号:CN201910965035.1
申请日:2019-10-11
Applicant: 济南大学
IPC: G05B13/04
Abstract: 本发明公开了一种多移动机器人的群集控制方法及系统,利用所设计的群集状态的评价函数,将群集控制问题转化为个体机器人的寻优求解问题,该方法能够实现移动机器人自主形成群集状态,该方法包括以下步骤:获取所有移动机器人的当前位置,构建每个移动机器人群集状态的评价函数;初始化模拟退火算法参数;利用模拟退火算法搜索每个移动机器人的最优期望位置;根据每个移动机器人的最优期望位置,计算每个移动机器人的期望运动方向和速度。
-
公开(公告)号:CN113610857A
公开(公告)日:2021-11-05
申请号:CN202110974079.8
申请日:2021-08-24
Applicant: 济南大学
Abstract: 本公开提供了一种基于残差网络的苹果分级方法及系统,包括:获取苹果的外观图像;根据获取的外观图像以及预设的苹果分级网络模型,得到苹果的分级结果;其中,苹果分级网络模型通过训练改进后的残差网络得到;具体的,通过加入卷积注意力模块和带泄露线性整流函数实现残差网络的改进;本公开通过改进的残差网络实现了基于外观的苹果分级;使用大津法在HSI色彩通道上对苹果图像进行分割,通过加入卷积注意力模块和LeakyReLU激活函数(带泄露线性整流函数),对残差网络进行改进,将其应用于苹果分级,并与其它卷积神经网络的分级结果进行对比,证明了改进的残差网络能够更好的实现苹果分级。
-
-
-
-
-
-
-
-
-